MODEL MATEMATIS PENGUNJUNG STASIUN PENGISIAN BAHAN BAKAR (STUDI KASUS DI KOTA SURAKARTA)

ISSN 2354-8630

  

MODEL MATEMATIS PENGUNJUNG STASIUN PENGISIAN BAHAN BAKAR

(STUDI KASUS DI KOTA SURAKARTA)

1) 2) 3) Nisa Aulia , Amirotul M.H.M , Slamet Jauhari Legowo _{1) 2)3)}

Mahasiswa Jurusan Teknik Sipil, Fakultas Teknik, Universitas Sebelas Maret

  

Staff Pengajar Jurusan Teknik Sipil, Fakultas Teknik, Universitas Sebelas Maret

Abstract

Gas station is a place for vehicle to obtain fuel. Because of the need of fuel , especially for vehicle certainly make the owner of vehicle always go to

gas station. With the estabilishment of the gas station it will cause a trip attraction on the surrounding and increase the volume of traffic. This re-

search was carried out to create a model that can be used to estimate the number of visitors and to determine the value of coefficient determination

₂

(R ) . Data colection in this study was done by counting the number of vehicles entering the gas station. Model analysis performed by multiple li-

near regression model analysis stepwise method and enter using software SPSS 17. The results showed that mathematical models of gas stations

visitor for light vehicles (LV) and heavy vehicles (HV) is Y = 19.535 + 0.016 X , the Y is the number of visitors (pcu/h) and the X is the

_{5 5}

traffic flow (pcu/h) . This equation shows that the amount of traffic flow affects the number of gas station. The value of coefficient determination is

  0,955; it means the equation is good for estimating the value of dependent variable.

  Keywords : Gas Stations, Multiple Linier Regression, SPSS, Trip attraction Abstrak

Stasiun Pengisian Bahan Bakar (SPBU) merupakan tempat di mana kendaraan bermotor dapat memperoleh bahan bakar.

Kebutuhan akan bahan bakar terutama untuk kendaraan bermotor tentunya mendorong pemilik kendaraan untuk selalu

mendatangi SPBU. Dengan berdirinya SPBU maka akan menimbulkan tarikan lalu-lintas di sekitarnya dan menambah

volume lalu lintas. Penelitian ini dilakukan untuk membuat model yang dapat digunakan untuk memperkirakan jumlah pen-

₂

gunjung serta untuk mengetahui nilai koefisien determinasi (R ). Pengambilan data pada penelitian ini dilakukan dengan cara

menghitung jumlah kendaraan yang memasuki area SPBU tersebut. Analisis model dilakukan dengan analisis model regresi

linear berganda metode stepwise dan enter menggunakan program SPSS 17. Hasil penelitian menunjukkan bhwa model ma-

tematis pengunjung untuk kendaraan ringan dan kendaraan berat adalah Y=19,535 + 0,016 X ₅ ^{5 , dengan Y adalah jumlah}

pengunjung (smp/jam) dan X adalah arus lalu lintas (smp/jam). Persamaan ini menunjukkan bahwa besarnya arus lalu lintas

₂

mempengaruhi jumlah pengunjung SPBU. Nilai koefisien determinasi (R ) sebesar 0,905; sehingga persamaan regresi yang

dihasilkan baik untuk mengestimasi nilai variabel terikat.

  Kata Kunci :SPBU, Regresi Linier Berganda, SPSS, Tarikan Pergerakan

  PENDAHULUAN

  Stasiun Pengisian Bahan Bakar (SPBU) merupakan tempat di mana kendaraan bermotor dapat memperoleh ba- han bakar. Kebutuhan akan bahan bakar terutama untuk kendaraan bermotor tentunya mendorong pemilik ken- daraan untuk selalu mendatangi SPBU. Apalagi dengan bertambah lengkapnya fasilitas suatu SPBU membuat SPBU bukan hanya untuk tempat pengisian bahan bakar saja, namun bisa juga sebagai meeting point dan tempat transit. Dengan berdirinya SPBU maka akan menimbulkan tarikan lalu-lintas di sekitarnya dan menambah volume lalu lintas. Maka dari itu diperlukan studi untuk memodelkan tarikan pergerakan pengunjung SPBU. Tujuan penelitian ini adalah untuk membuat model yang dapat digunakan untuk memperkirakan besar tarikan pergerakan ke SPBU dan untuk mengetahui tingkat validitas antara variabel bebas dan variabel terikat dari model akhir yang memenuhi persyaratan uji statistik dan pengujian model. Untuk mendapatkan model matematis tarikan pergerakan pada SPBU, perlu dilakukan suatu penelitian tentang tarikan pergerakan ke SPBU. Kemudian dicari jam puncak kendaraan yang masuk ke SPBU yang bersangkutan. Selanjutnya dibuat model matematis tarikan perjalanan (Trip of Attraction Model) pada kondisi sekarang. Setelah di- dapatkan bentuk model tarikan, model tersebut diuji dengan beberapa pengujian seperti uji linearitas, nonmulti- kolinearitas, dan lain-lain. Model yang terbaik yang direkomendasikan untuk digunakan sebagai bahan pertim- bangan dalam peramalan jumlah tarikan di masa mendatang.

TINJAUAN PUSTAKA

  Perencanaan dan pemodelan transportasi adalah media yang paling efektif untuk mengatasi permasalahan trans- portasi baik di masa sekarang maupun pada masa yang akan datang. Maka dari itu sekarang telah banyak dilaku- kan penelitian tentang bangkitan pergerakan untuk berbagai macam jenis tata guna lahan.

  Penelitian lain dilakukan oleh Halomoan (2009) pada profil hotel berbintang di daerah Surakarta. Variabel bebas yang digunakan adalah luas lahan (X

  1 ), luas bangunan (X 2 ), luas parkir (X 3 ), total jumlah kamar yang tersedia (X 4 ),

  jumlah ruang rapat (X

  5 ), dan luas maksimum ruang rapat (X 6 ). Setelah dilakukan analisis persamaan regresi dan

  pengujian statistik terhadap masing-masing model, diperoleh model persamaan terbaik, yaitu Y = 35,904 + 0,019

  X

  5 dengan variabel bebas berupa luas maksimum ruang rapat (X 5 ).

  Md Majbah Uddin dkk, 2012,melakukan penelitian yang berjudul A Comprehensive Study on Trip Attraction Rates of

  

Shopping Centers in Dhanmondi Area yang didapat dari International Journal of Civil and Enviromental Engineering IJCEE-

  IJENS Vol:12 No:04 Dari penelitian ini didapat beberapa rata-rata tarikan perjalanan mobil dan orang dengan parameter berbeda-beda. Rata-rata tingkat tarikan perjalanan pada jam puncak berdasar parameter luas area per-

  2

  2

  belanjaan adalah 7,9 perjalanan orang/1000 ft /jam dan 8,3 perjalanan mobil/10.000 ft /jam. Rata-rata tingkat tarikan perjalanan pada jam puncak berdasar parameter jumlah karyawan sebesar 226 perjalanan /100 karya- wan/jam. Rata-rata tingkat tarikan perjalanan pada jam puncak berdasar area parkir adalah 276 perjalanan mo- bil/10 area parkir /jam. Rata-rata tingkat tarikan perjalanan pada jam puncak dengan parameter gerbang masuk adalah 276 perjalanan /gerbang masuk/jam. Dalam penelitian ini akan dibahas bagaimanakah model matematis untuk kendaraan yang mengunjungi SPBU. Variabel bebas yang digunakan adalah luas lahan, jumlah nozzle, luas rest area, jumlah ATM, arus lalu lintas, dan jarak SPBU terdekat. Sedangkan variabel terikatnya adalah jumlah tarikan pergerakan yang menggunakan kenda- raan berat (HV) dan kendaraan ringan (LV). Dalam menganalisis model tarikan perjalanan tersebut digunakan analisis regresi linier berganda guna mengkaji hubungan antara variabel bebas dengan variabel terikat, yang dima- na diharapkan hasil dari analisis model tersebut dapat digunakan sebagai bahan pertimbangan dalam peramalan jumlah tarikan perjalan di masa mendatang.

  Bangkitan dan Tarikan Pergerakan

  Pemodelan bangkitan perjalanan (trip generation) adalah suatu tahapan pemodelan yang memperkirakan jumlah pergerakan dari suatu zona (trip generation) dan jumlah pergerakan yang tertarik ke suatu zona (trip attraction). Tu- juan dasar bangkitan perjalanan adalah menghasilkan suatu model hubungan yang mengaitkan tata guna lahan dengan jumlah pergerakan yang menuju ke suatu zona atau jumlah pergerakan yang meninggalkan suatu zona. Zona asal dan tujuan pergerakan biasanya menggunakan istilah trip end. Pergerakan merupakan fungsi tata guna lahan yang menghasilkan perjalanan lalu lintas. Perjalanan lalu lintas ini mencakup :  Lalu lintas yang meninggalkan suatu lokasi  Lalu lintas yang menuju atau tiba ke suatu lokasi Hasil keluaran dari perhitungan bangkitan dan tarikan lalu-lintas berupa jumlah kendaraan, orang, atau angkutan barang per satu satuan waktu, misalnya kendaraan/jam. Kita dapat menghitung jumlah orang atau kendaraan yang masuk atau keluar dari suatu luas tanah tertentu dalam satu hari

  Analisis Korelasi

  Analisis ini digunakan untuk mengetahui hubungan antara dua atau lebih variabel independen (X

  1 , X 2 ,…X n ) ter-

  hadap variabel dependen (Y) secara serentak. Koefisien ini menunjukkan seberapa besar hubungan yang terjadi antara variabel independen (X

  1 , X 2 ,……X n ) secara serentak terhadap variabel dependen (Y). nilai R berkisar anta-

  ra 0 sampai 1, nilai semakin mendekati 1 berarti hubungan yang terjadi semakin kuat, sebaliknya nilai semakin mendekati 0 maka hubungan yang terjadi semakin lemah. Nilai koefisien korelasi (r) dapat dicari dengan rumus korelasi produk momen pearson sebagai berikut :

   − 

  ......................................................................................................................................... [1] = _{2 2 2 2}

  )( ) (  −   − 

  r adalah Koefisien korelasi besarnya antara 0 sampai ±1;n adalah Jumlah data observasi; X adalah Variabel be- bas dan Y adalah Variabel terikat.

  Analisis Regresi Linier Berganda

  Yaitu persamaan yang memiliki variabel bebas lebih dari satu. Karena itu untuk bentuk persamaan ini akan terda- pat beberapa alternatif persamaan berdasarkan kombinasi kandidat variabel yang ada. Untuk persamaan regresi multi variabel, dibatasi hanya regresi yang bersifat linier saja (regresi multilinier), bentuk umumnya adalah : Y= a + b

  X n ..................................................................................................................................... [2] e-Jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/550

  1 X 1 + b

  2 X 2 + .....+ b n

  Y adalah variabel terikat;a adalah konstanta regresi;b

  1 ,..., b n adalah koefisien regresi; x 1 ,..., x n adalah variabel bebas Koefisien Determinasi

  2 Koefesien diterminasi dengan simbol r merupakan proporsi variabilitas dalam suatu data yang dihitung didasar-

  2

  kan pada model statistik. Definisi berikutnya menyebutkan bahwa r merupakan rasio variabilitas nilai-nilai yang

  2

  dibuat model dengan variabilitas nilai data asli. Secara umum r digunakan sebagai informasi mengenai kecoco-

  2

  kan suatu model. Dalam regresi r ini dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai

  2

  data asli yang dibuat model. Jika r sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok dengan data secara sempurna.

  2 Menurut Tamin (1997), menentukan nilai koefisien determinasi (R ) berdasarkan perhitungan persamaan regresi

  linier sederhana dan berganda menggunakan persamaan sebagai berikut: ₂

  ) 2 ( −

  = ₂ ...................................................................................................................................................................... [3]

  ) ( −

  2 R adalah Koefisien determinasi; adalah Nilai Pengamatan; adalah Nilai Y yang ditaksir dengan model

  regresi; ̃adalah Nilai rata-rata pengamatan

  Uji-F

  Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas mempunyai pengaruh yang sama terha- dap variabel terikatnya. Pengujian yang dilakukan ini menggunakan uji distribusi F. Caranya yaitu dengan mem- bandingkan antara analisis kritis (F tabel ) dengan nilai F hitung yang tedapat dalam tabel ANOVA (Analysis of Va- riance) dari hasil perhitungan.

  Ʃ −Ȳ 2/ ( −1)

  F= ...................................................................................................................................................................... [4] _{2 /(}

  Ʃ −Ŷ − )

  Ʃ(Y-Ȳ)2 adalah jumlah kuadrat dari regresi;Ʃ(Y-Ŷ) adalah jumlah kuadrat dari kesala- F adalah angka yang dicari;

  Ȳ adalah nilai rata-rata pengamatan;k adalah jumlah parameter (koefisien regresi) dan n adalah jumlah han (eror); pengamatan atau sampel

  Uji – t

  Uji – t dilakukan untuk melihat apakah parameter (b

  1 , b 2 , …..b n ) yang melekat pada variabel bebas cukup berarti

  (signifikan) terhadap suatu konstanta (a) nol atau sebaliknya. Kalau signifikan, maka variabel bebas yang terkait dengan parameter harus ada dalam model. Rumus untuk mendapatkan t adalah:

  ( − )

  t= .................................................................................................................................................................................... [5] Dimana: t = t hitung b = koefisien regresi variabel bebas yang didapatkan β = slope garis regresi sebenarnya Sb = standar error koefisien korelasi

  Pengujian Model Uji Homoskedastisitas

  Tujuan uji ini adalah untuk mengetahui apakah dalam sebuah model regresi, terjadi ketidaksamaan varians pada residual (error) dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas. Dan jika varians berbeda, disebut dengan hete- roskedastisitas.Sebuah model dapat dikatakan baik jika tidak terjadi heteroskedastisitas.

  Uji Normalitas

  Normalitas dapat dicek salah satunya dengan cara grafik. Normalitas terpenuhi jika titik-titik data terkumpul di sekitar garis lurus. Untuk uji keberangkatan data (asal data) dari normalitas digunakan uji sampel Kolmogorof – Smirnov. Tujuan- nya adalah untuk memastikan apakah dapat diambil kesimpulan bahwa F(x) = F (x) untuk semua x cocok dengan fungsi distribusi sampel {S(x)} yang teramati atau fungsi distribusi empiris. H = Sampel ditarik dari populasi dengan distribusi tertentu H

  1 = Sampel ditarik bukan dari populasi dengan distribusi tertentu

  Pengambilan kesimpulan pada pengujian hipotesis dilakukan sebagai berikut:

  Jika Asymp. Sig < taraf signifikansi ( ditolak ) maka H

  Jika Asymp. Sig > taraf signifikansi ( diterima ) maka H

  METODE PENELITIAN Lokasi Penelitian

  Lokasi penelitian ini meliputi SPBU Pasar Kliwon, SPBU Sekarpace, SPBU Mt Haryono, SPBU Bhayangkara, dan SPBU Balapan.

  Data Penelitian Data yang digunakan dalam penelitian ini terbagi menjadi dua, yaitu data primer dan data sekunder.

  Data primer yang dibutuhkan adalah:

  1. Banyaknya tarikan pergerakan ke SPBU dengan menggunakan moda transportasi, yaitu sepeda motor (MC), mobil (LV), bus (HV), dan truk (HV). Data tersebut diperoleh dari hasil pengamatan atau observasi langsung pada lokasi studi dengan mencatat jumlah kendaraan yang masuk ke SPBU pada jam puncak.

  2. Arus lalu lintas di ruas jalan depan SPBU yang searah dan berlawan arah. Data sekunder yang dibutukan antara lain luas lahan, jumlah nozzle, luas rest area, jumlah ATM dan jarak SPBU lain terdekat. Data sekunder ini diperoleh dari pihak pengelola SPBU atau instansi terkait. Data ini meliputi ka- rakteristik tata guna lahan pada masing-masing lokasi tersebut dan merupakan variabel bebas. Sedangkan untuk da- ta jarak SPBU terdekat didapatkan melalui aplikasi Google Earth Pro.

  Pengolahan Data

Metode yang digunakan untuk menganalisis data adalah metode analisis regresi linier berganda. Untuk pengolahan data

digunakan program software SPSS 17 dengan metode stepwise dan enter.

HASIL DAN PEMBAHASAN

  Rekapitulasi variabel terikat dan variabel bebas yang digunakan disajikan pada tabel 1 berikut : Tabel 1. Rekapitulasi variabel terikat dan variabel bebas

  Variabel Terikat Variabel Bebas Jumlah Pengunjung Luas Jumlah Luas Rest Arus Lalu Jarak SPBU Nama SPBU Jumlah (HV+LV) Lahan Nozzle Area Lintas Terdekat _{2 2} ATM (smp/jam) (m ) Mobil (m ) (smp/jam) (m) var Y

  X ¹ X ² X ³ X ⁴ X ⁵ X ⁶ Pasar Kliwon 64,9 1550 8 120 4 2798,20 1245 Sekar Pace 62,7 1700 6 128 4 2854,40 1566 MT Haryono

  53 895

  4

  70 1 1949,90 1582 Bhayangkara 61,3 1682

10 100

3 2620,70 1232 Balapan 42,3 1060

  10

  80 2 1558,30 1582 Analisis Korelasi Hasil pengujian koefisien korelasi dapat dilihat pada tabel 2.

  Tabel 2. Koefisien Korelasi

  Y

  X ₁ X ₂ X ₃ X ₄ X ₅ X ₆ Y 1 0,799 -0,170 0,790 0,746 0,977 -0,634

  X ¹ 1 0,323 0,893 0,911 0,893 -0,612

  X ² 1 0,089 0,265 -0,073 -0,491

  X ³ 1 0,982 0,891 -0,404

  X ⁴ 1 0,853 -0,511

  X ⁵ 1 -0,587

  X ⁶

  1 Dari tabel 2. dapat dilihat koefisien korelasi antara variabel bebas dan variabel terikat memiliki korelasi tinggi

  yaitu 0,977 dan terdapat satu koefisien yang memiliki korelasi sangat rendah yaitu -0,170. Dan untuk koefisien korelasi antar variabel bebas memiliki nilai yang bervariasi antara -0,073 sampai dengan 0,911. e-Jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/552

  Analisis Regresi Linear Berganda

  Hasil dari proses analisis regresi linear berganda menggunakan metode Enter dan metode Stepwise dapat dilihat pada tabel 3. Tabel 3. Alternatif Model

  STEPWISE

1 Y=19,535+0,016 X

  ⁵ 0,955 63,101 ENTER

  1 Y = 90,955 + 0,013 X ^{1 – 2,233 X 2 + 0,059 X 3 – 0,028 X}

  1

• ⁶

  2 Y = 30,057 ^{1 3 + 0,022 X 5 6}

  1

• – 0,008 X – 0,067 X – 0,005 X

  3 Y = 28,100 ^{1 3 + 3,501 X 4 + 0,025 X 5}

  1

• – 0,009 X – 0,280 X

  4 Y = 20,446 – 0,006 X ^{1 – 0,107 X 3 + 0,023 X 5 0,995 66,222}

  5 Y = 19,568 – 0,009 X ^{1 + 0,021 X 5} 0,982 54,425

  6 Y = 19,535 + 0,016 X ⁵ 0,955 63,101 Uji Analisis Varian (Uji-F / ANOVA) Hasil pengujian F-hitung pada masing-masing persamaan dapat dilihat pada tabel 4.

  Tabel 4. Hasil Uji F

  Metode Model Persamaan Regresi F hitung F tabel Kesimpulan Stepwise Y=19,535+0,016 X ⁵ 63,101 10,13 H ditolak

  Y = 20,446 ¹

^{3 + 0,023 X}

⁵ 66,222 215,707 H diterima

• – 0,006 X – 0,107 X Enter Y = 19,568
^{1 + 0,021 X 5} 54,425

  19 H ditolak

• – 0,009 X Y = 19,535 + 0,016 X
_{5 63,101 10,13 H ditolak}

  Keterangan :

  hitung tabel

   Jika F < F maka H diterima, yaitu variasi perubahan nilai variabel bebas tidak dapat menjelaskan va- riasi variabel terikat  Jika F hitung > F tabel maka H ditolak, yaitu variasi perubahan nilai variabel bebas dapat menjelaskan variasi va- riabel terikat Dari tabel hasil Uji F disimpulkan bahwa model persamaan regresi Y=19,535+0,016 X

  5 dan Y = 19,568 – 0,009

  X

  1 + 0,021 X

5 Pengujian Terhadap Koefisen Regresi (Uji t) Hasil pengujian T-test pada masing-masing persamaan dapat dilihat pada tabel 5.

  Tabel 5. Hasil Uji T Y=19,535+0,016 X ⁵ Metode Koefisien regresi T hitung T tabel Kesimpulan

  Stepwise 0,016 7,944 3,182 H ditolak

  Y = 20,446 – 0,006 X ^{1 – 0,107 X 3 + 0,023 X 5} Koefisien regresi T hitung T tabel Kesimpulan

• 0,006 -1,290 12,706 H diterima
• 0,107 -1,613 12,706 H diterima
• 0,023 8,096 12,706 H diterima

  Metode Y = 19,568 – 0,009 X ^{1 + 0,021 X 5} Enter Koefisien regresi T hitung T tabel Kesimpulan

• 0,009 -1,741 4,303 H diterima 0,021 6,176 4,303 H ditolak

  Y = 19,535 + 0,016 X ⁵ Koefisien regresi T hitung T tabel Kesimpulan 0,016 7,944 3,182 H ditolak

  Keterangan: diterima, yaitu menerima anggapan bahwa koefisien regresi tidak sig-  Jika statistik t hitung < t tabel, maka H nifikan.

   Jika statistik t hitung > t tabel, maka H ditolak, yaitu menolak anggapan bahwa koefisien regresi tidak signifi- kan. Dari tabel di atas dapat disimpulkan model yang keseluruan koefisien regresinya signifikan adalah model dari metode enter Y = 20,446 – 0,006 X

  1 – 0,107 X 3 + 0,023 X 5 .

  Pengujian Model Uji Homoskedastisitas

  Tabel 6. Hasil Uji Park

  Y=19,535+0,016 X ⁵ Metode Koefisien regresi T hitung T tabel Kesimpulan Stepwise

  0,016 -0,820 3,182 H diterima Y = 20,446 – 0,006 X ^{1 – 0,107 X 3 + 0,023 X 5} Koefisien regresi T hitung T tabel Kesimpulan

• 0,006 -42,525 12,706 H diterima
• 0,107 41,164 12,706 H ditolak
• 0,023 14,452 12,706 H ditolak

  Metode Y = 19,568 – 0,009 X ^{1 + 0,021 X 5} Enter Koefisien regresi T hitung T tabel Kesimpulan

• 0,009 1,057 4,303 H diterima 0,021 -0,552 4,303 H diterima

  Y = 19,535 + 0,016 X ⁵ Koefisien regresi T hitung T tabel Kesimpulan 0,016 -0,820 3,182 H diterima

  Keterangan :

  hitung < t tabel maka H diterima, yaitu terjadi homoskedastisitas (asumsi terpenuhi)

   Jika t

  hitung > t tabel maka H ditolak, yaitu tidak terjadi homoskedastisitas (asumsi tidak terpenuhi)

   Jika t

  5 – 0,009 X

  1 Berdasarkan hasil Uji Park dapat disimpulkan bahwa persamaan Y=19,535+0,016 X dan Y = 19,568

• 0,021 X

  5 terjadi homoskedastisitas (kesamaan varians), sehinggga asumsi terpenuhi. Sedangkan model Y =

  20,446 – 0,006 X

  1 – 0,107 X 3 + 0,023 X 5 tidak terjadi homoskedastisitas, sehingga asumsi tidak terpenuhi.

  Uji Normalitas

  Terdapat dua metode yang dapat dilakukan untuk mengetahui normalitas pada suatu data, yaitu menggunakan plot probabilitas normal dan metode Kolmogorov-Smirnov. Plot probabilitas normal dilakukan dengan melihat banyaknya data (titik) menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal, kita dapat mengetahui data terdistribusi normal atau tidak. Pada gambar 1. terlihat bahwa titik-titiknya tersebar disekitar garis lurus. Jadi dapat disimpulkan asumsi kenormalan terpenuhi.

  (a) (b) (c) (d)

  Gambar 1.Uji Normalitas Persamaan Regresi (a)Y=19,535+0,016 X ;(b) Y=20,446 – 0,006 X – 0,107 X +

  5

  1

  3 5 – 0,009 X

  1

  5

  5

  0,023 X ; (c) Y=19,568 + 0,021 X ; (d) Y=19,535+0,016 X e-Jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/554 Hasil pengujian data dengan metode kolmogorov-smirnov dapat dilihat pada tabel 7. Tabel 7. Hasil pengujian kolmogorov-smirnov

  Variabel Kolmogorov smirnov Z Asymp. Sig. (2-tailed) Kesimpulan Jumlah Pengunjung (HV+LV) 0,636 0,813 normal Luas Lahan 0,619 0,838 normal

  

Jumlah Nozzle Mobil 0,495 0,967 normal

Luas Rest Area 0,433 0,992 normal

Jumlah ATM 0,495 0,867 normal

Arus Lalu Lintas 0,621 0,836 normal

  

Jarak SPBU Terdekat 0,781 0,575 normal

  Keterangan :  Jika signifikansi > 0,05 maka data terdistribusi normal.  Jika signifikansi < 0,05 maka data terdistribusi tidak normal. Berdasarkan pengujian data dengan metode kolmogorov-smirnov menunjukkan bawa data terdistribusi normal.

  Uji Linieritas

  Kelinearan model yang terbentuk diuji melalui plot residual terhadap harga- harga prediksi. Jika grafik antara har- ga-harga prediksi dengan harga-harga residual tidak membentuk suatu pola tertentu seperti parabola, kubik, dan sebagainya, maka asumsi linearitas terpenuhi. Hasil pengujian Linieritas dapat dilihat pada gambar 2.

  (a) (b) (c) (d)

  Gambar 2.Uji Linearitas Persamaan Regresi (a)Y=19,535+0,016 X

  5 ;(b) Y=20,446 – 0,006 X 1 – 0,107 X 3 + 0,023

  X

  5 ; (c) Y=19,568 – 0,009 X

1 + 0,021 X

5 ; (d) Y=19,535+0,016 X

  5 Dari gambar 2. tampak bahwa harga-harga prediksi (standardized predicted value) dengan harga-harga residual (stan-

dardized residual) untuk semua model regrei linier tidak membentuk pola tertentu. Jadi asumsi linearitas terpenuhi.

  Pemilihan Model

  Hasil analisis uji statistik persamaan regresi dan pengujian model terhadap kelima model tersebut dirangkum pada tabel 8. berikut.

  Tabel 8. Rangkuman Hasil Uji Statistik dan Pengujian Model

  Metode Stepwise Metode Enter – Jenis Analisis/pengujian Y = 20,446 Y = 19,568 – 0,006 Y=19,535 + Y=19,535 + 0,016X ₅ X 0,009 X + + 0,021 _{1 3 1}

• – 0,107 X 0,016X
⁵ 0,023 X ₅ X ₅ Uji Koefisien Analisis ₂ 95,5 % 99,5 % 98,2 % 95,5 % Determinasi (R ) Persamaan Uji

  Signifikan Tidak Signifikan Signifikan Signifikan

• – F Regresi Uji

  Signifikan Tidak Signifikan Tidak Signifikan Signifikan

• – t Homoskedastisitas

  Terpenuhi Tidak Terpenuhi Terpenuhi Terpenuhi Pengujian Normalitas

  Terpenuhi Terpenuhi Terpenuhi Terpenuhi Model Linearitas

  Terpenuhi Terpenuhi Terpenuhi Terpenuhi

  5 Berdasarkan tabel 8. dapat disimpulkan model yang terbaik adalah Y=19,535 + 0,016X , dimana Y adalah Jumlah

  Pengunjung SPBU (HV+LV) dan X 5 adalah arus lalu lintas adalah model terbaik.

  SIMPULAN

  Dari proses analisis terhadap jumlah pengunjung pada SPBU di wilayah Surakarta diperoleh kesimpulan sebagai berikut:

  1. Model yang memenuhi persyaratan hasil uji statistik dan pengujian model adalah :

  Y=19,535 + 0,016X

5 Keterangan :

   Y = Jumlah pengunjung (HV+LV) (smp/jam).  5 = Arus Lalu Lintas (smp/jam).

  X

  2. Tingkat validitas antara variabel julah pengunjung (HV+LV) dan arus lalu lintas dari model yang dihasilkan yaitu sebesar 0,955; sehingga dapat disimpulkan bahwa persamaan regresi yang dihasilkan baik untuk men- gestimasi nilai variabel terikat.

  REKOMENDASI

  Rekomendasi yang dapat kami berikan untuk menindaklanjuti hasil penelitian ini adalah: 1. SPBU yang akan dijadikan objek studi seharusnya memiliki profil yang homogen.

2. Jumlah sampel perlu diperbanyak.

UCAPAN TERIMAKASIH

  Puji syukur atas kehadirat Allah SWT, sehingga penelitian ini dapat terselesaikan. Terselesaikannya penyusunan penelitian ini karena dukungan serta doa dari keluarga dan teman-teman, untuk itu kami ucapkan terima kasih. Ucapan terima kasih juga kami sampaikan kepada Ibu Amirotul M.H.M, ST, MSc dan Bapak S.J Legowo,ST. MT, selaku pembimbing yang dengan penuh kesabaran telah memberi koreksi dan arahan sehingga menyempurnakan penyusunan. Pada kesempatan ini kami mengucapkan terima kasih yang tulus kepada semua pihak yang telah berperan dalam mewujudkan penelitian ini secara langsung maupun tidak langsung khususnya mahasiswa sipil UNS 2009.

  REFERENSI

  Anonim. 2009. Pedoman Teknis Analisis Dampak Lalu Lintas Pembangunan Pusat Kegiatan pada Ruas Jalan Nasional di

  Wilayah Perkotaan. Jakarta: Departemen Perhubungan

  Gujarati, Damodar N.2004. Basic Econometric.The McGraw-Hill Company Halomoan, Robin P.2009. Pemodelan Tarikan Pergerakan pada Profil Hotel Berbintang di Daerah Surakarta. Skripsi. Ju- rusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret.Surakarta Oglesby, Clarkson H & R. Gary Hicks.1993.Teknik Jalan Raya Edisi Keempat Jilid 1.Jakarta:Erlangga Ortuzar,J de D & L.G. Willumsen.1990.Modelling Transport.Chichester:John Wiley&sons Santoso, Singgih. 2012. Aplikasi SPSS pada Statistik Parametrik. Jakarta:PT. Alex Media Komputindo Tamin, O.Z.2000.Perencanaan dan Pemodelan Transportasi. Bandung:ITB Uddin, Md Majbah, dkk.2012. A Comprehensive Study on Trip Attraction Rates of Shopping Centers in Dhanmondi

  Area.International Journal of Civil and Environmental Engineering IJCEE-IJENS Vol:12 No:04 :12-16

  e-Jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/556